10.3969/j.issn.1673-629X.2013.07.019
基于Tri-Training半监督分类算法的研究
在实际应用中,容易获取大量的未标记样本数据,而样本数据是有限的,因此,半监督分类算法成为研究者关注的热点.文中在协同训练Tri-Training算法的基础上,提出了采用两个不同的训练分类器的Simple-Tri-Training方法和对标记数据进行编辑的Edit-Tri-Training方法,给出了这三种分类方法与监督分类SVM的分类实验结果的比较和分析.实验表明,无标记数据的引入,在一定程度上提高了分类的性能;初始训练集和分类器的选取以及标记过程中数据编辑技术,都是影响半监督分类稳定性和性能的关键点.
半监督分类、Tri-Training算法、数据编辑
23
TP274(自动化技术及设备)
云南省教育科研基金资助项目2010Y290
2013-10-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
77-79,83